💻 computer science

KnifeHunter: Structured Local Representation Learning for Fine-Grained Knife Image Retrieval in Law Enforcement

Este artículo presenta KnifeHunter, un sistema práctico de recuperación forense que cuenta con la arquitectura CoRe-Net y un conjunto de datos a gran escala, lo que permite una identificación de cuchillos de grano fino escalable y de alta precisión, y ha sido implementado con éxito por las fuerzas del orden del Reino Unido para inteligencia operativa y atribución de fuentes.

Autores originales: Syed Sameed Husain, Eng-Jon Ong, Stephen Simpson, Trevor Hamshere, Matt Turner, Miroslaw Bober

Publicado 2026-08-10

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Syed Sameed Husain, Eng-Jon Ong, Stephen Simpson, Trevor Hamshere, Matt Turner, Miroslaw Bober

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando encontrar una aguja específica en un pajar, pero el pajar está hecho de otras agujas, y la que buscas tiene un pequeño rasguño único en su costado que ninguna otra tiene. Este es el mundo de la visión artificial, una rama de la inteligencia artificial donde las computadoras aprenden a "ver" y comprender imágenes. Por lo general, estos sistemas son excelentes para detectar cosas grandes, como "eso es un perro" o "eso es un coche". Pero cuando necesitas distinguir entre dos gemelos casi idénticos —por ejemplo, dos cuchillos que se ven exactamente iguales excepto por un pequeño patrón en el mango— la computadora se confunde. Esto se llama recuperación de grano fino (fine-grained retrieval). Es un desafío enorme para la policía e investigadores que necesitan emparejar un cuchillo encontrado en la escena de un crimen con un modelo específico en un catálogo masivo para averiguar de dónde proviene. Si no pueden hacer esto rápidamente, se ralentizan las investigaciones y se hace más difícil detener el crimen.

Presentamos KnifeHunter, una nueva herramienta de detective digital construida para resolver este problema exacto. Los investigadores detrás de ella se dieron cuenta de que mirar la foto de un cuchillo es complicado porque las fotos de las escenas del crimen son desordenadas: pueden ser oscuras, borrosas, tener reglas o bolsas en el fondo, o mostrar solo parte del cuchillo. Para enseñar a su computadora cómo manejar esto, construyeron una biblioteca masiva llamada el conjunto de datos KnifeHunter. Es como un álbum de fotos gigante que contiene más de 25,000 imágenes de 543 tipos diferentes de cuchillos, tomadas de casilleros de evidencia policial, tiendas en línea y decomisos fronterizos. Incluso añadieron más de un millón de imágenes "señuelo" —fotos de otros objetos— para asegurarse de que su sistema no sea engañado por el desorden aleatorio.

La estrella del espectáculo es un nuevo cerebro de IA que inventaron llamado CoRe-Net. Piensa en la mayoría de los sistemas de reconocimiento de imágenes como una persona que mira un cuchillo desde lejos y dice: "Parece un cuchillo de cocina". CoRe-Net es diferente; es como un detective con una lupa y un lente gran angular. Utiliza un truco especial llamado Aprendizaje de Representación Complementaria Estructurada (SCRL) para descomponer la imagen en pistas diminutas y específicas (como la forma del borde de la hoja o una marca del fabricante) y las organiza en un "equipo" de expertos. Luego, utiliza un sistema de Fusión Recíproca Bidireccional (BDRF) para asegurar que la vista de "gran angular" y la vista de la "lupa" hablen entre sí, corrigiendo los errores del otro.

Los resultados son impresionantes. Cuando se probó en fotos difíciles con fondos desordenados, CoRe-Net identificó correctamente el cuchillo correcto en los 10 primeros resultados aproximadamente el 83.8% de las veces, superando todos los métodos anteriores. Mejor aún, cuando la policía del Reino Unido utilizó realmente el sistema en el campo durante operaciones reales (llamadas Operación Sceptre) entre 2023 y 2025, acertó a la primera vez el 99.2% de las veces. Esto no es solo un experimento de laboratorio; es una herramienta que actualmente está ayudando a los oficiales a convertir una simple foto de un arma incautada en una pista de búsqueda, ayudándoles a rastrear fuentes y resolver crímenes más rápido. El artículo sugiere que, al automatizar este proceso de emparejamiento, pueden reducir el pesado trabajo manual que la policía suele tener que hacer, convirtiendo horas de comparación visual en segundos de búsqueda digital.

Resumen Técnico: KnifeHunter y CoRe-Net

Planteamiento del Problema
La violencia con armas blancas presenta un desafío significativo para la seguridad pública, particularmente en el Reino Unido. Las agencias de aplicación de la ley requieren herramientas escalables para la identificación de cuchillos a nivel de catálogo, el análisis de inteligencia y la atribución de fuentes. Los flujos de trabajo actuales dependen en gran medida de la comparación visual manual y de registros no estructurados, lo que depende de especialistas, consume mucho tiempo y es difícil de escalar. Desde la perspectiva de la visión por computadora, la identificación de cuchillos es un problema de recuperación de instancias de grano fino altamente exigente. A diferencia de la recuperación de puntos de referencia estándar, la imaginería forense de cuchillos implica diferencias interclase sutiles (por ejemplo, geometría de la hoja, patrones de dentado, marcas del fabricante) y una variación intraclase sustancial debido al desgaste, daños y modificaciones. Además, la imaginería operativa se caracteriza por una iluminación no controlada, reflejos especulares, oclusión, desorden de fondo y la presencia de marcadores de evidencia (por ejemplo, reglas policiales), lo que dificulta la correspondencia a nivel de catálogo. Los métodos de agregación de descriptores existentes a menudo luchan por preservar la evidencia local estructurada bajo estas condiciones adversas o no logran organizar explícitamente las representaciones locales y globales en componentes complementarios dentro de un embedding compacto.

Metodología: CoRe-Net
Para abordar estos desafíos, los autores proponen CoRe-Net (Red de Representación Complementaria), una arquitectura de recuperación de descriptor único y compacto diseñada para imaginería forense. CoRe-Net integra evidencia global y local complementaria mediante una agregación de descriptores estructurada y una fusión bidireccional. La arquitectura consta de tres componentes primarios:

Representación Global basada en Weibull: Para mitigar la influencia del desorden de fondo y los valores atípicos de alta magnitud (como los brillos especulares), CoRe-Net emplea una función de modelado de activación basada en Weibull aprendible antes del agrupamiento promedio global (global average pooling). Esta función combina el crecimiento polinómico con el decaimiento exponencial para suprimir las respuestas débiles del fondo mientras evita que unas pocas activaciones fuertes dominen el descriptor. El resultado es seguido por una normalización de potencia y una normalización $\ell_2$ .
Aprendizaje de Representación Complementaria Estructurada (SCRL): Este brazo de agregación local organiza la evidencia discriminativa localizada espacialmente en múltiples representaciones basadas en prototipos complementarios.
- Refinamiento de Características Guiado por Saliencia (SGFR): Se computa una máscara basada en la varianza para atenuar las regiones localmente homogéneas (por ejemplo, fondos uniformes) y enfatizar las estructuras de alta varianza (por ejemplo, dentados, líneas de afilado).
- Aprendizaje de Descriptor Local Basado en Prototipos (PBLD): Las características refinadas se mapean a un conjunto de prototipos aprendibles mediante atención de producto escalar escalado. Esto permite que los tokens contribuyan a múltiples prototipos con pesos suaves, organizando las características locales en una base latente compacta.
- Regularización de Ortogonalidad: Se aplica una pérdida de ortogonalidad a los prototipos para prevenir el colapso y fomentar la diversidad, asegurando que diferentes prototipos codifiquen patrones locales distintos.
- Agregación de Prototipos con Compuerta: Se computa un resumen local compacto mediante un mecanismo de compuerta (gated mechanism) de una mezcla aprendida de descriptores de prototipos.
Fusión Recíproca Bidireccional (BDRF): Este módulo acopla los brazos global y local para forzar la complementariedad.
- Proyección Residual Global-a-Local: El descriptor global se proyecta fuera del mapa de características locales refinadas para eliminar los componentes ya explicados por el contexto global, obligando al brazo local a centrarse en la evidencia residual.
- Inyección Recíproca Local-a-Global: El descriptor de prototipo agregado se inyecta en el descriptor global mediante una adición residual con compuerta aprendible. Esto permite que las pistas locales, aunque débiles pero separadoras de clase, refinen la representación global robusta.
- La representación fusionada se agrupa globalmente y se proyecta en un embedding de 512 dimensiones para la recuperación por similitud de coseno.

El sistema se entrena de extremo a extremo utilizando un objetivo de clasificación de tipo sub-centro ArcFace combinado con el regularizador de ortogonalidad de prototipos.

Contribuciones Clave
El artículo introduce tres contribuciones primarias:

Conjunto de Datos KnifeHunter: Un benchmark de recuperación de cuchillos forenses que comprende 25,843 imágenes de 543 clases de cuchillos. Los datos provienen de repositorios de evidencia policial, catálogos minoristas y incautaciones de la guardia de fronteras. Incluye metadatos estructurados y define protocolos de evaluación "Medio" y "Difícil", así como un gran conjunto de evaluación de distractores que contiene más de 1.1 millones de imágenes (incluyendo imágenes de cuchillos policiales disjuntos e imágenes generales de COCO).
Arquitectura CoRe-Net: Una novedosa arquitectura de recuperación que introduce el Aprendizaje de Representación Complementaria Estructurada (SCRL) para organizar la evidencia local en prototipos complementarios y la Fusión Recíproca Bidimensional (BDRF) para integrar la evidencia global y local. Este diseño soporta la recuperación de descriptor único eficiente sin necesidad de expansión de consultas, re-clasificación (re-ranking) o verificación geométrica.
Benchmarking y Validación Operativa: Los autores evalúan diversos backbones modernos y métodos de agregación de vanguardia bajo varios protocolos. Crucialmente, el sistema fue desplegado por fuerzas policiales del Reino Unido durante la Operación Sceptre (2023–2025), proporcionando una validación en el mundo real de su eficacia.

Resultados
Evaluado en el benchmark KnifeHunter utilizando un backbone EVA02-Base, CoRe-Net demuestra un rendimiento superior comparado con los métodos de referencia del estado del arte (incluyendo GeM, DOLG, DELG, TokenNet, SuperGlobal y SENet).

Protocolo Medio (Sin Distractores): CoRe-Net logra un 88.0% de mAP y un 86.7% de mP@10, superando al mejor método de referencia (SENet) por 3.1 puntos de mAP.
Protocolo Difícil (Sin Distractores): CoRe-Net logra un 70.2% de mAP y un 67.9% de mP@10.
Condiciones de Distractores (+desc): Bajo el protocolo de distractores a gran escala, CoRe-Net logra un 85.1% de mAP y un 83.8% de mP@10 en el protocolo Medio, y un 64.9% de mAP y un 61.5% de mP@10 en el protocolo Difícil.
Despliegue Operativo: Durante las consultas de campo en los despliegues de la Operación Sceptre, el sistema alcanzó un 99.2% de mP@1, demostrando una recuperación fiable en el primer puesto en los flujos de trabajo policiales de primera línea.

Los estudios de ablación confirman que cada componente (modelado Weibull, SGFR, prototipos y BDRF) contribuye significativamente al rendimiento, siendo el modelado basado en prototipos y la fusión recíproca particularmente críticos para manejar variaciones de grano fino y desorden.

Significancia y Reivindicaciones
El artículo afirma que KnifeHunter proporciona un marco de recuperación multimedia práctico y efectivo para la correspondencia de cuchillos forenses de grano fino en entornos operativos de aplicación de la ley. Al combinar un conjunto de datos a gran escala y estructurado con una arquitectura de recuperación especializada, este trabajo aborda las limitaciones de la inspección manual y los métodos existentes de visión por computadora para manejar los desafíos específicos de la imaginería forense (desorden, oclusión, diferencias sutiles).

La significancia se extiende más allá de las métricas técnicas de recuperación hacia el impacto operativo. El sistema ha sido integrado en los flujos de trabajo de 22 regiones policiales del Reino Unido, permitiendo a los oficiales transformar encuentros rutinarios con cuchillos en inteligencia buscable. Esta automatización apoya la recopilación estructurada de inteligencia sobre la tipología de armas y la disponibilidad minorista, contribuyendo a las revisiones de políticas y la generación de evidencia para acciones de cumplimiento contra vendedores no conformes. Los autores enfatizan que el sistema opera como una herramienta determinista, compatible con CPU, adecuada para el despliegue a gran escala sin requerir pasos complejos de re-clasificación o verificación geométrica.

Más como este